免费人妻中文不卡无码_日本精品爽爽van在线_久久精品国产99久久丝袜蜜桃_女强人被春药精油按摩bd电影

前　　言
AI Agent（或簡(jiǎn)稱為Agent）是建立在大語(yǔ)言模型之上的智能應(yīng)用，是將人工智能與特定場(chǎng)景深度結(jié)合的重要方式。Agent模仿人類“思考–行動(dòng)–觀察”的規(guī)劃模式，具備自主思考和自主決策的能力，能夠適應(yīng)環(huán)境的變化，自主學(xué)習(xí)和改進(jìn)，完成用戶設(shè)定的目標(biāo)。與大語(yǔ)言模型的對(duì)話應(yīng)用不同，Agent的突出特點(diǎn)是主動(dòng)性，在行為上表現(xiàn)為多步操作、多角色會(huì)話、多輪迭代、反復(fù)修正答案以及調(diào)用外部資源的能力。
20世紀(jì)80年代，對(duì)于AI Agent是否能夠真正產(chǎn)生自主性的、生物意義上的“智能”這一問(wèn)題已在哲學(xué)層面展開(kāi)討論。20年前，深度學(xué)習(xí)的發(fā)展促進(jìn)了Agent的進(jìn)化。近幾年來(lái)，在大語(yǔ)言模型的支持下，Agent越來(lái)越具備主動(dòng)性，“思考”問(wèn)題的方法也在參考人類特征的基礎(chǔ)上，形成一套包含規(guī)劃、記憶、工具和行動(dòng)的功能規(guī)范。在Agent與大語(yǔ)言模型技術(shù)結(jié)合方面，ReAct、ToT、Reflexion、CoT等思考框架的研究成果不斷，相關(guān)論文以及與之配套的開(kāi)源代碼詮釋了理論如何變?yōu)楝F(xiàn)實(shí)。看似眼花繚亂實(shí)則科學(xué)嚴(yán)謹(jǐn)?shù)奶崾驹~工程，在與大語(yǔ)言模型的交互中，使得Agent像施展魔法般地實(shí)現(xiàn)了人類預(yù)定的目標(biāo)。展望未來(lái)，基于Agent，人們對(duì)通用人工智能（Artificial General Intelligence， AGI）充滿了想象空間。
Agent的發(fā)展離不開(kāi)大語(yǔ)言模型的支持，而大語(yǔ)言模型則通過(guò)Agent擴(kuò)展其功能。隨著GPT-4、GLM-4、Llama3、Qwen2等模型的發(fā)布，依托這些模型的應(yīng)用技術(shù)也取得了顯著的進(jìn)步，GPT-4率先推出了Function-calling功能，其他模型也迅速跟進(jìn)。這一創(chuàng)新反映了大語(yǔ)言模型將超越單純的內(nèi)容生成，向更智能、更主動(dòng)、更有規(guī)劃性的AGI方向發(fā)展。AutoGPT、BabyAGI等Agent應(yīng)用的推出，使代表著主動(dòng)思考、主動(dòng)決策、主動(dòng)執(zhí)行的AGI技術(shù)取得了長(zhǎng)足的進(jìn)步。同時(shí)，LangChain、AutoGen等Agent開(kāi)發(fā)框架的問(wèn)世與流行，使這個(gè)領(lǐng)域的應(yīng)用開(kāi)發(fā)變得更加便捷，多角色、多模態(tài)的Agent應(yīng)用紛紛涌現(xiàn)。
目前，Agent正處于快速發(fā)展過(guò)程中，已在長(zhǎng)記憶會(huì)話、任務(wù)處理、檢索增強(qiáng)、輔助編程等領(lǐng)域產(chǎn)生了許多產(chǎn)品和應(yīng)用案例。本書詳細(xì)介紹了8種開(kāi)源的主流Agent應(yīng)用以及7種Agent開(kāi)發(fā)框架，從基礎(chǔ)、應(yīng)用、開(kāi)發(fā)三個(gè)層面對(duì)Agent知識(shí)進(jìn)行了循序漸進(jìn)的講解。考慮到實(shí)際應(yīng)用場(chǎng)景，本書還涵蓋了支撐Agent應(yīng)用的大型語(yǔ)言模型的安裝、服務(wù)開(kāi)發(fā)以及微調(diào)技術(shù)，從而使Agent的知識(shí)體系更加完整。
本書特點(diǎn)
本書具有以下特點(diǎn)：
基于開(kāi)源技術(shù)：本書中涉及的所有Agent技術(shù)都是開(kāi)源項(xiàng)目，所使用的大模型也皆為開(kāi)源模型且可在本地部署，而非依賴OpenAI等云服務(wù)。案例代碼中不依賴額外的API，均可在本地部署的模型支持下進(jìn)行調(diào)試和運(yùn)行。此外，本書所有案例代碼已在GitHub上開(kāi)源。
技術(shù)廣泛：本書涵蓋了8種Agent應(yīng)用（應(yīng)用篇）和7種Agent開(kāi)發(fā)框架（開(kāi)發(fā)篇），共涉及15種開(kāi)源Agent技術(shù)。Agent正在快速發(fā)展，覆蓋的技術(shù)越多，讀者學(xué)習(xí)或深入研究的選擇越多。
國(guó)內(nèi)外并重：本書使用的技術(shù)中，國(guó)產(chǎn)Agent、國(guó)產(chǎn)大模型技術(shù)占有一定的比例，如QAnything、AgentScope、CodeFuse-ChatBot、Qwen-Agent、GLM-4、CogVLM2等。對(duì)于讀者來(lái)說(shuō)，閱讀本書后，如果想了解相關(guān)技術(shù)細(xì)節(jié)，那么國(guó)產(chǎn)項(xiàng)目的中文文檔更易于深入學(xué)習(xí)。
詳解大模型技術(shù)：大語(yǔ)言模型是Agent的運(yùn)行基礎(chǔ)，本書專門對(duì)大模型的開(kāi)發(fā)技術(shù)進(jìn)行了詳細(xì)講解，內(nèi)容包括大語(yǔ)言模型的應(yīng)用、服務(wù)開(kāi)發(fā)與微調(diào)。通過(guò)學(xué)習(xí)，讀者能夠深入了解Agent背后的內(nèi)容生成原理。
案例涉及的領(lǐng)域廣泛：本書提供了10個(gè)不同場(chǎng)景的Agent應(yīng)用開(kāi)發(fā)案例，案例涉及的領(lǐng)域廣泛，且貼近讀者的學(xué)習(xí)與生活，如任務(wù)驅(qū)動(dòng)、多角色協(xié)同、輔助編程、RAG、圖像、多模態(tài)等，實(shí)用性強(qiáng)。
內(nèi)容來(lái)源
本書的內(nèi)容源于筆者的研究與實(shí)踐。在寫作過(guò)程中，我精心挑選了各類Agent技術(shù)，涵蓋多個(gè)領(lǐng)域和場(chǎng)景，力求在知識(shí)的廣度和深度上都有所考量，希望為讀者提供多元化的參考。具體來(lái)說(shuō)，本書的寫作素材來(lái)源主要包括以下幾個(gè)方面：
實(shí)踐案例：在本書撰寫過(guò)程中，我實(shí)踐了大量Agent應(yīng)用，并開(kāi)發(fā)了一系列多領(lǐng)域的示例程序。
官方資源：本書整合了來(lái)自各種Agent應(yīng)用和開(kāi)發(fā)框架的官網(wǎng)資料，確保得到官方的前沿信息。
培訓(xùn)課件：在過(guò)去兩年中，我作為培訓(xùn)講師，為教師、學(xué)生以及軟件企業(yè)舉辦了多場(chǎng)大語(yǔ)言模型培訓(xùn)，其中，Agent實(shí)操課程也是一個(gè)重要的培訓(xùn)主題，因此獲得了大量學(xué)員反饋，從而優(yōu)化了本書內(nèi)容。
讀者對(duì)象
本書涉及的Agent技術(shù)豐富、操作步驟詳細(xì)、源代碼完整，適合Agent使用者和開(kāi)發(fā)者上手實(shí)踐。
對(duì)于使用者來(lái)說(shuō)，8種典型的Agent開(kāi)源應(yīng)用，能夠滿足他們?cè)诓渴鹋c使用方面的需求。
對(duì)于開(kāi)發(fā)者來(lái)說(shuō)，10個(gè)不同場(chǎng)景的Agent應(yīng)用開(kāi)發(fā)案例以及多種大語(yǔ)言模型服務(wù)，能夠滿足他們學(xué)習(xí)、實(shí)踐的需求。
如何閱讀本書
這是一本講解Agent基礎(chǔ)知識(shí)、開(kāi)發(fā)與應(yīng)用方法的實(shí)戰(zhàn)指南，共分為三篇：
基礎(chǔ)篇：包括第1和2章，介紹了Agent定義、發(fā)展歷程、常用開(kāi)源技術(shù)、主要組件等基礎(chǔ)知識(shí)和開(kāi)發(fā)環(huán)境的搭建過(guò)程。
應(yīng)用篇：包括第3～6章，從通用型、任務(wù)驅(qū)動(dòng)型、輔助開(kāi)發(fā)型和檢索增強(qiáng)型的分類角度，介紹了AutoGPT、MemGPT、BabyAGI、Camel、Devika、CodeFuse-ChatBot、DB-GPT、QAnything這8種流行度高、社區(qū)完善、正在快速發(fā)展的開(kāi)源Agent應(yīng)用，描述其運(yùn)行原理、安裝方法和使用過(guò)程。
開(kāi)發(fā)篇：包括第7～16章，完成10個(gè)不同場(chǎng)景的Agent應(yīng)用開(kāi)發(fā)實(shí)戰(zhàn)。一方面，以AgentScope、LangChain、LangGraph、AutoGen、LlamaIndex、CrewAI、Qwen-Agent這7種目前被廣泛應(yīng)用的開(kāi)源Agent開(kāi)發(fā)框架為基礎(chǔ)，針對(duì)每個(gè)框架各講解一個(gè)開(kāi)發(fā)案例。另一方面，通過(guò)案例介紹了Agent開(kāi)發(fā)過(guò)程中關(guān)鍵的Function-calling特性及大語(yǔ)言模型開(kāi)發(fā)技術(shù)。此外，對(duì)基于CogVLM2的多模態(tài)模型應(yīng)用開(kāi)發(fā)，也提供了案例演示。
實(shí)踐要求及說(shuō)明
在本書的大部分示例中，Agent需要大語(yǔ)言模型具備Function-calling特性或?qū)ν评砟芰σ�求較高，所以基本上選用了8B、9B等參數(shù)規(guī)模的模型，運(yùn)行這些模型所需的GPU內(nèi)存在20GB左右。書中還涉及一些大模型的微調(diào)技術(shù)和多模態(tài)模型的應(yīng)用開(kāi)發(fā)，所以至少需要１張24GB內(nèi)存的推理卡或顯卡。雖然部分示例在Ollama的量化環(huán)境下只需要6GB內(nèi)存即可正常運(yùn)行，但為了完整實(shí)踐所有示例，建議采用24GB或以上內(nèi)存的推理卡或顯卡，以及與之配套的服務(wù)器或高端個(gè)人計(jì)算機(jī)。
以下是關(guān)于閱讀與實(shí)踐本書內(nèi)容的注意事項(xiàng)。
①操作系統(tǒng)。Agent應(yīng)用服務(wù)本身可以運(yùn)行在Windows和Linux下。Agent需要大語(yǔ)言模型的支持，在本書所介紹的裝載大語(yǔ)言模型的三種方法中，只有Ollama支持Windows操作系統(tǒng)，其余兩種由于依賴vLLM而不能在Windows上運(yùn)行。綜合以上情況，建議讀者在Ubuntu 22.04操作系統(tǒng)中實(shí)踐本書內(nèi)容。書中涉及的文件下載、文件編輯、文件復(fù)制等操作系統(tǒng)命令均使用了Linux的方式描述，如果讀者使用Windows，則要根據(jù)情況采用對(duì)應(yīng)的操作方法。
②命令換行。在操作系統(tǒng)命令行下執(zhí)行命令時(shí)，Linux系統(tǒng)支持對(duì)較長(zhǎng)的命令采用“\”進(jìn)行換行，命令執(zhí)行結(jié)果不會(huì)發(fā)生變化，而在Windows系統(tǒng)中要將“\”換成“^”。
例如，以下命令在Linux系統(tǒng)中運(yùn)行正常：
pip install -r requirements.txt -i \
https://pypi.mirrors.ustc.edu.cn/simple
該命令如果要在Windows系統(tǒng)中正常運(yùn)行，則需要把首行行尾的“\”替換成“^”，格式如下：
pip install -r requirements.txt -i ^
https://pypi.mirrors.ustc.edu.cn/simple
③命令注釋。本書中描述的在操作系統(tǒng)命令行下執(zhí)行的命令，如果以“#”開(kāi)頭則為注釋，無(wú)須執(zhí)行。為了避免讀者將多條命令誤以為是一條連續(xù)的命令一起執(zhí)行而發(fā)生錯(cuò)誤，我一般會(huì)在每條命令的前一行加注釋。
④示例代碼。得益于Python語(yǔ)言的精練以及各種Agent開(kāi)發(fā)框架的封裝，本書的示例代碼大多在100行左右，開(kāi)發(fā)篇中列出的基本上都是完整源代碼。但書中為了詳細(xì)地解釋程序原理，特意對(duì)代碼進(jìn)行了分段敘述，這會(huì)因縮進(jìn)難以觀察而影響代碼的整體性和可讀性，建議讀者調(diào)試程序時(shí)，從本書的配套代碼庫(kù)中下載所用的代碼。
⑤主機(jī)名稱。為了統(tǒng)一和規(guī)范書中程序的配置與訪問(wèn)方式，減少可能的歧義，本書采用以下約定：如果是本機(jī)地址，則使用127.0.0.1表示；如果涉及GPU服務(wù)器，則使用主機(jī)名“server-dev”指代。主機(jī)名對(duì)應(yīng)的IP地址可以通過(guò)配置DNS解析來(lái)確定，在Windows系統(tǒng)中修改C:\Windows\System32\drivers\etc\HOSTS文件，在Linux系統(tǒng)中修改/etc/hosts文件。
勘誤和支持
本書的所有源代碼和簡(jiǎn)要操作步驟，已在https://github.com/little51/agent-dev上開(kāi)源，讀者可自行查閱。
雖然我在寫作時(shí)已盡力謹(jǐn)慎，反復(fù)測(cè)試驗(yàn)證，但本書中仍可能出現(xiàn)一些疏漏或者不準(zhǔn)確之處，懇請(qǐng)讀者指正。若讀者有勘誤或意見(jiàn)，可通過(guò)郵件little51@126.com反饋，或者在https://github.com/little51/agent-dev代碼庫(kù)上提交issue。
致謝
2023年以后，我一直從事大語(yǔ)言模型應(yīng)用開(kāi)發(fā)與培訓(xùn)工作。2024年初，我結(jié)合工作中積累的經(jīng)驗(yàn)，對(duì)培訓(xùn)課件進(jìn)行整理，形成一些關(guān)于大模型應(yīng)用開(kāi)發(fā)的原始寫作素材，并獲得與機(jī)械工業(yè)出版社合作的機(jī)會(huì)，開(kāi)始撰寫《大模型項(xiàng)目實(shí)戰(zhàn)：多領(lǐng)域智能應(yīng)用開(kāi)發(fā)》一書。2024年7月，在該書的寫作接近尾聲時(shí)，為期半個(gè)月的人工智能培訓(xùn)也在按計(jì)劃進(jìn)行，我將AI Agent的一些內(nèi)容加到課程中，得到了廣大學(xué)員的積極反饋和同事的建議，這激勵(lì)我撰寫一本關(guān)于Agent的圖書，于是我一邊開(kāi)發(fā)多個(gè)領(lǐng)域的Agent示例程序，一邊進(jìn)行文本書寫。經(jīng)過(guò)近三個(gè)月不停歇的工作，這本新書即將問(wèn)世。
在這一過(guò)程中，我要感謝以下朋友：
我要感謝我所在公司的集團(tuán)領(lǐng)導(dǎo)梁明道先生，在我的印象中，十年前他就開(kāi)始反復(fù)給我描繪“智體”的前景，這對(duì)我在Agent方面的研究大有裨益。在他的理論中，這種具有主動(dòng)性、自我決策和自動(dòng)執(zhí)行的實(shí)體，一定會(huì)成為AGI的發(fā)展方向。甚至在十年前，他就注冊(cè)了aiit.com這樣的四字域名，用于以后的智體產(chǎn)品研發(fā)與推廣。
感謝我的同事董煒，他一如既往、一絲不茍地安排培訓(xùn)工作，使我在培訓(xùn)過(guò)程中將所有精力都用到了課件的準(zhǔn)備和與學(xué)員的交流上。學(xué)員的學(xué)習(xí)反饋和他們對(duì)課程的建議，對(duì)本書中的Agent技術(shù)選型起到關(guān)鍵作用。
感謝我的同事楊樂(lè)，他很早就開(kāi)始研究Agent開(kāi)發(fā)，得知我打算寫一本該領(lǐng)域的圖書時(shí)，他給了我很多建議，并協(xié)助我采購(gòu)了雙推理卡設(shè)備。具備一定算力的機(jī)器，是Agent開(kāi)發(fā)中最重要的基礎(chǔ)設(shè)施支持。
本書中涉及的Agent應(yīng)用與開(kāi)發(fā)框架以及各種大語(yǔ)言模型，都是開(kāi)源項(xiàng)目，而且很大一部分使用的是極其寬松的MIT授權(quán)方式。作為開(kāi)源社區(qū)的負(fù)責(zé)人和開(kāi)源的受益者，本書的示例源碼也全部開(kāi)源。感謝開(kāi)源！

高強(qiáng)文